基于回路信息表达的新型联想记忆模型与算法研究

论文摘要

联想式学习与记忆是实现认知功能、涌现智能行为的重要机制。联想机制、记忆容量、信号与信息的神经表达、联想思维的节律及其转移机制、智能的涌现机理等等，均是当前认知与智能科学的热点研究课题。针对这些问题，本文立足认知心理层次，交叉研究了网络图论、人工神经计算、神经生理的“反响回路”学说以及联想记忆等相关理论，探索性地提出了一种基于弹性网络局域动态搜索机制和多主体分布式演化计算算法结构的新型多功能联想记忆模型，研究了基于所建联想记忆模型的模式学习、模式联想、模式关联以及系统演化动力学等问题，开展了相关问题的算法研究、软件设计和模拟研究等工作，取得了若干研究成果，具体体现在以下几方面： 1．提出了一种基于“反响回路”学说、弹性网络局域动态搜索机制和多主体分布式演化计算算法结构的新型多功能联想记忆模型。该模型具有记忆容量大、联想功能丰富等特点。 2．研究了基于所建模型的联想式模式学习算法。该算法模型体现了结构自组织、神经回路反响谐振等生理学特征。 3．分析研究了所建模型的模式联想动力学特性。外部环境刺激激发的模式联想等效于“边界限定(部分模式特征匹配)条件下的有效搜索”；内部环境扰动激发的模式联想具有多重联想和连锁式序列联想等思维功能。 4．设计了面向联想记忆功能、基于并行遗传算法框架的动态网络局部搜索优化算法。采取分布式弹性共振、自适应弹性调节以及偶尔的人机交互等策略，提高了系统维持能力，强化了局域搜索、实时性和动态适应性等功能。 5．研究发现，这种基于“动态弹性调节”策略的遗传算法还可改进传统GA的静态全局优化性能。在相关实验研究中，本文分别发现了中国144城市TSP问题和卡塔尔194城市TSP问题新的最优解。 此外，本文还初步研究了与所建模型相关的重复学习、关联学习、短时／长时记忆／遗忘以及联想记忆的随机性随意性等认知心理问题。 在本课题的研究过程中，笔者还进行了大量的程序设计和模拟研究，所得到的一些结果比较有力的支持了本文所提出的一些观点和方法。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题背景
• 1.2 联想记忆实现原理和研究动态
• 1.2.1 联想记忆的基本概念
• 1.2.2 联想记忆的实现原理
• 1.2.3 实现联想记忆的基本要求
• 1.2.4 联想记忆的实现方法
• 1.2.5 当前联想记忆研究存在的不足
• 1.2.6 动态联想记忆的概念和实现
• 1.3 思维研究概况
• 1.3.1 思维概念
• 1.3.2 思维研究概况
• 1.3.3 思维与联想
• 1.3.4 思维与注意
• 1.4 本文研究思路和研究内容
• 第二章 基于弹性网络局域动态搜索的新型联想记忆模型
• 2.1 记忆存储假设及基本定义
• 2.1.1 记忆存储假设
• 2.1.2 与记忆有关的几个定义
• 2.2 联想记忆功能模型及动态联想过程描述
• 2.3 基于多主体的联想记忆结构模型
• 2.3.1 主体的特征
• 2.3.2 主体内部模型
• 2.3.3 多主体系统实现
• 2.4 弹性网络模型
• 2.4.1 弹性网络概念
• 2.4.2 弹性网络分析
• 2.4.3 弹性网络模型与EN算法
• 2.4.4 弹性网络局域动态搜索与联想记忆动力学
• 2.5 联想记忆的纯随机过程模拟
• 2.5.1 常见的随机数产生方法
• 2.5.2 高质量随机数发生器探讨
• 2.5.3 一种真随机数发生器实现方案及分析
• 2.5.4 实验及结果分析
• 2.5.5 方法总结
• 2.6 本章小节
• 第三章 面向联想记忆的动态网络搜索算法研究
• 3.1 弹性TSP模型描述
• 3.2 弹性共振及分布式优化
• 3.2.1 弹性共振原理
• 3.2.2 基于弹性共振的分布式搜索和优化算法
• 3.2.3 实验及结果
• 3.3 基于遗传环境的自适应弹性调节方法
• 3.3.1 算法原理
• 3.3.2 待调节模式的选择
• 3.3.3 待调节模式初始调节系数的设定
• 3.3.4 修正模式的调节系数
• 3.3.5 优化算法流程
• 3.3.6 实验、结果及分析
• 3.3.7 算法总结
• 3.4 基于人机结合的弹性调节策略
• 3.4.1 人机结合概念及应用
• 3.4.2 基于人机结合的弹性TSP回路搜索优化
• 3.4.3 实验与分析
• 3.5 基于弹性调节方法的动态网络回路搜索与优化
• 3.5.1 概述
• 3.5.2 算法设计与分析
• 3.5.2.1 插入新节点
• 3.5.2.2 删除节点
• 3.5.2.3 移动节点
• 3.5.2.4 DTSP优化算法
• 3.5.3 实验研究
• 3.5.4 动态网络回路搜索与优化算法总结
• 3.6 基于弹性调节的背包问题求解
• 3.6.1 背包问题简介
• 3.6.2 求解算法
• 3.6.2.1 调节行为分析
• 3.6.2.2 调节算法
• 3.6.3 实验及结果分析
• 3.7 小结
• 第四章 联想式学习的算法研究与实现
• 4.1 外部激励
• 4.1.1 外部激励的模式表达
• 4.1.2 外部激励的检测
• 4.2 关键问题
• 4.3 基于结构生成的模式学习
• 4.3.1 新激励模式学习
• 4.3.2 新激励模式与记忆模式的关联学习
• 4.3.3 记忆模式的关联学习
• 4.3.4 长期记忆问题研究
• 4.3.5 基于遗传搜索的结构生成学习算法设计
• 4.4 基于回路共振的模式学习
• 4.4.1 基于相同模式共振的模式学习
• 4.4.2 基于相异模式共振的模式学习
• 4.4.3 基于遗传算法的回路共振模式学习算法
• 4.5 实验研究
• 4.5.1 参数设计
• 4.5.2 实验、结果与分析
• 4.5.2.1 存储容量实验
• 4.5.2.2 外部激励特征对模式学习性能的影响
• 4.5.2.3 模式学习动力学演化
• 4.5.2.4 算法关键参数设置对模式学习性能的影响
• 4.5.2.5 高强度刺激下的模式学习行为
• 4.5.2.6 关联学习实验
• 4.5.2.7 基于回路共振的模式学习实验
• 4.6 小结
• 第五章 多功能模式联想动力学分析及实验研究
• 5.1 联想性能评估
• 5.2 基于局域动态搜索的自联想
• 5.2.1 基于参数特征的自联想
• 5.2.2 基于结构特征的自联想
• 5.2.3 两种自联想算法的实验研究
• 5.2.3.1 基于参数特征的自联想实验和结果分析
• 5.2.3.2 基于结构特征的自联想实验和结果分析
• 5.3 长时记忆的联想问题
• 5.3.1 原理及实现思路
• 5.3.2 实验及分析
• 5.4 基于分布式弹性共振的多重联想和连锁式联想
• 5.4.1 基本原理
• 5.4.2 实现方法
• 5.4.3 实验研究
• 5.5 本章小节
• 第六章 联想过程的记忆刷新机制与遗忘机理研究
• 6.1 记忆状态更新概述
• 6.2 记忆刷新算法研究
• 6.2.1 两种刷新情况
• 6.2.2 记忆刷新算法流程
• 6.2.3 短时记忆与长时记忆
• 6.2.4 实验及结果分析
• 6.3 记忆遗忘算法研究
• 6.3.1 记忆衰减
• 6.3.2 模式干扰与覆盖
• 6.3.3 模式同化
• 6.3.4 实验研究
• 6.4 内部环境随机扰动的模式联想与重复学习
• 6.5 小结
• 第七章 全文总结
• 参考文献
• 附录
• 致谢
• 科研成果